എന്താണ് ഹ്യൂമനോയിഡ് റോബോട്ട് AI?

ഹ്യൂമനോയിഡ് റോബോട്ട് AI എന്നത് നമ്മുടെ അടിസ്ഥാന രൂപത്തെ പ്രതിഫലിപ്പിക്കുന്ന യന്ത്രങ്ങളിൽ പൊരുത്തപ്പെടാവുന്ന ബുദ്ധിശക്തി ഉൾപ്പെടുത്തുക എന്ന ആശയമാണ് - അത് ഇപ്പോൾ കൂടുതൽ കൂടുതൽ പ്രായോഗികമായി പരിശീലിക്കപ്പെടുന്നു. രണ്ട് കൈകൾ, രണ്ട് കാലുകൾ, മുഖം ഉള്ളിടത്ത് സെൻസറുകൾ, കാണാനും തീരുമാനിക്കാനും പ്രവർത്തിക്കാനും കഴിയുന്ന ഒരു തലച്ചോറ്. ഇത് സ്വന്തം ആവശ്യത്തിനായി സയൻസ് ഫിക്ഷൻ ക്രോം അല്ല. മനുഷ്യന്റെ ആകൃതി ഒരു പ്രായോഗിക ഹാക്കാണ്: ലോകം ആളുകൾക്കായി നിർമ്മിച്ചതാണ്, അതിനാൽ നമ്മുടെ കാൽപ്പാടുകൾ, കൈത്തണ്ടകൾ, ഗോവണികൾ, ഉപകരണങ്ങൾ, ജോലിസ്ഥലങ്ങൾ എന്നിവ പങ്കിടുന്ന ഒരു റോബോട്ടിന്, സിദ്ധാന്തത്തിൽ, ആദ്യ ദിവസം തന്നെ കൂടുതൽ ചെയ്യാൻ കഴിയും. ഒരു മനോഹരമായ പ്രതിമ നിർമ്മിക്കുന്നത് ഒഴിവാക്കാൻ നിങ്ങൾക്ക് ഇപ്പോഴും മികച്ച ഹാർഡ്‌വെയറും ഗൗരവമേറിയ ഒരു AI സ്റ്റാക്കും ആവശ്യമാണ്. എന്നാൽ മിക്കവരും പ്രതീക്ഷിക്കുന്നതിലും വേഗത്തിൽ കഷണങ്ങൾ ഒരുമിച്ച് ക്ലിക്കുചെയ്യുന്നു. 😉

എംബോഡിഡ് ചെയ്ത AI, വിഷൻ-ലാംഗ്വേജ്-ആക്ഷൻ മോഡലുകൾ, അല്ലെങ്കിൽ സഹകരണ റോബോട്ട് സുരക്ഷയും ചിന്തയും... തുടങ്ങിയ പദങ്ങൾ നിങ്ങൾ കേട്ടിട്ടുണ്ടെങ്കിൽ, ഇപ്പോൾ എന്താണ്- ഈ ഗൈഡ് ലളിതമായ സംസാരം, രസീതുകൾ, നല്ല അളവിലുള്ള അല്പം കുഴപ്പമുള്ള പട്ടിക എന്നിവ ഉപയോഗിച്ച് അവയെ വിശദീകരിക്കുന്നു. 

ഇതിനു ശേഷം നിങ്ങൾക്ക് വായിക്കാൻ ഇഷ്ടപ്പെട്ടേക്കാവുന്ന ലേഖനങ്ങൾ:

🔗 എലോൺ മസ്‌കിന്റെ റോബോട്ടുകൾ എത്ര പെട്ടെന്നാണ് നിങ്ങളുടെ ജോലി ഏറ്റെടുക്കുന്നത്?
ഹ്യൂമനോയിഡ് ജോലിസ്ഥല ഓട്ടോമേഷന്റെ സമയക്രമങ്ങൾ, കഴിവുകൾ, അപകടസാധ്യതകൾ എന്നിവ പര്യവേക്ഷണം ചെയ്യുന്നു.

🔗 AI ബയസ് എന്താണെന്ന് ലളിതമായി വിശദീകരിച്ചിരിക്കുന്നു
, നിർവചനം, പൊതുവായ ഉറവിടങ്ങൾ, യഥാർത്ഥ ഉദാഹരണങ്ങൾ, ലഘൂകരണ തന്ത്രങ്ങൾ.

🔗 ഒരു AI പരിശീലകൻ എന്താണ് ചെയ്യുന്നത്?
മോഡൽ പരിശീലനത്തിലെ പങ്ക്, കഴിവുകൾ, വർക്ക്ഫ്ലോകൾ, കരിയർ പാതകൾ.

🔗
പ്രവചന മോഡലുകൾ ഫലങ്ങൾ, ഉപയോഗ കേസുകൾ, പരിധികൾ എന്നിവ എങ്ങനെ പ്രവചിക്കുന്നു എന്ന് പ്രവചന AI തുടക്കക്കാർക്കായി വിശദീകരിച്ചു

ഹ്യൂമനോയിഡ് റോബോട്ട് AI, കൃത്യമായി എന്താണ്?

ഹ്യൂമനോയിഡ് റോബോട്ട് AI അതിന്റെ കാതലായ ഭാഗത്ത് മൂന്ന് കാര്യങ്ങൾ സംയോജിപ്പിക്കുന്നു:

• മനുഷ്യരൂപത്തിലുള്ള രൂപം - നമ്മുടേതിനെ ഏകദേശം പ്രതിഫലിപ്പിക്കുന്ന ഒരു ശരീര പദ്ധതി, അതിനാൽ അതിന് പടികൾ സഞ്ചരിക്കാനും, ഷെൽഫുകളിൽ എത്താനും, പെട്ടികൾ നീക്കാനും, വാതിലുകൾ തുറക്കാനും, ഉപകരണങ്ങൾ ഉപയോഗിക്കാനും കഴിയും.

• എംബോഡിഡ് ഇന്റലിജൻസ് - AI മേഘത്തിൽ ഒറ്റയ്ക്ക് പൊങ്ങിക്കിടക്കുന്നില്ല; ലോകത്തെ മനസ്സിലാക്കുകയും, ആസൂത്രണം ചെയ്യുകയും, പ്രവർത്തിക്കുകയും ചെയ്യുന്ന ഒരു ഭൗതിക ഏജന്റിനുള്ളിലാണ് അത്.

• സാമാന്യവൽക്കരിക്കാവുന്ന നിയന്ത്രണം - ഒരു നയത്തിന് വിവിധ ജോലികൾ ചെയ്യാൻ കഴിയുന്ന തരത്തിൽ ദർശനം, ഭാഷ, പ്രവർത്തനം എന്നിവയെ ബന്ധിപ്പിക്കുന്ന മോഡലുകൾ ആധുനിക റോബോട്ടുകൾ കൂടുതലായി ഉപയോഗിക്കുന്നു. വെബ് + റോബോട്ട് ഡാറ്റയിൽ നിന്ന് പഠിക്കുകയും ആ അറിവിനെ റോബോട്ട് പ്രവർത്തനങ്ങളാക്കി മാറ്റുകയും ചെയ്യുന്ന ഒരു ദർശന-ഭാഷ-പ്രവർത്തന (VLA) മോഡലിന്റെ കാനോനിക്കൽ ഉദാഹരണമാണ് Google DeepMind-ന്റെ RT-2 [1].

ലളിതമായി പറഞ്ഞാൽ: ഹ്യൂമനോയിഡ് റോബോട്ട് AI എന്നത് മനുഷ്യസമാന ശരീരവും തലച്ചോറുമുള്ള ഒരു റോബോട്ടാണ്, അത് ഒരു ജോലിയിൽ മാത്രമല്ല, നിരവധി ജോലികളിൽ കാണൽ, മനസ്സിലാക്കൽ, പ്രവൃത്തി എന്നിവയെ തികച്ചും സംയോജിപ്പിക്കുന്നു.

ഹ്യൂമനോയിഡ് റോബോട്ടുകളെ ഉപയോഗപ്രദമാക്കുന്നത് എന്താണ്🔧🧠

ചെറിയ ഉത്തരം: മുഖമല്ല, കഴിവുകളാണ് . കൂടുതൽ ദൈർഘ്യമേറിയ ഉത്തരം:

• മനുഷ്യ ഇടങ്ങളിലെ ചലനശേഷി - പടികൾ, ക്യാറ്റ്‌വാക്ക്, ഇടുങ്ങിയ ഇടനാഴികൾ, വാതിലുകൾ, വിചിത്രമായ കോണുകൾ. ജോലിസ്ഥലങ്ങളുടെ സ്ഥിരം ജ്യാമിതിയാണ് മനുഷ്യന്റെ കാൽപ്പാടുകൾ.

• വൈദഗ്ധ്യമുള്ള കൃത്രിമത്വം - കഴിവുള്ള രണ്ട് കൈകൾക്ക്, കാലക്രമേണ, ഒരേ എൻഡ് ഇഫക്റ്റർ ഉപയോഗിച്ച് ധാരാളം ജോലികൾ ചെയ്യാൻ കഴിയും (ഓരോ ജോലിക്കും കുറച്ച് ഇഷ്ടാനുസൃത ഗ്രിപ്പറുകൾ).

• മൾട്ടിമോഡൽ ഇന്റലിജൻസ് - VLA മോഡലുകൾ ഇമേജുകൾ മാപ്പ് ചെയ്യുന്നു + പ്രവർത്തനക്ഷമമായ മോട്ടോർ കമാൻഡുകളിലേക്കുള്ള നിർദ്ദേശങ്ങൾ, ടാസ്‌ക് സാമാന്യവൽക്കരണം മെച്ചപ്പെടുത്തുന്നു [1].

• സഹകരണ സന്നദ്ധത - മോണിറ്റർ ചെയ്ത സ്റ്റോപ്പുകൾ, വേഗതയും വേർതിരിവും നിരീക്ഷിക്കൽ, പവർ-ആൻഡ്-ഫോഴ്‌സ് ലിമിറ്റിംഗ് തുടങ്ങിയ സുരക്ഷാ ആശയങ്ങൾ സഹകരണ റോബോട്ട് മാനദണ്ഡങ്ങളിൽ നിന്നും (ISO/TS 15066) അനുബന്ധ ISO സുരക്ഷാ ആവശ്യകതകളിൽ നിന്നുമാണ് [2].

• സോഫ്റ്റ്‌വെയർ അപ്‌ഗ്രേഡബിലിറ്റി - ഡാറ്റ, സിമുലേഷൻ, അപ്‌ഡേറ്റ് ചെയ്ത നയങ്ങൾ എന്നിവയിലൂടെ ഒരേ ഹാർഡ്‌വെയറിന് പുതിയ കഴിവുകൾ നേടാൻ കഴിയും (പുതിയ പിക്ക്-പ്ലേസ് പഠിപ്പിക്കാൻ ഫോർക്ക്‌ലിഫ്റ്റ് അപ്‌ഗ്രേഡുകൾ ഇല്ല) [1].

ഇതൊന്നും ഇതുവരെ "എളുപ്പമുള്ള ബട്ടൺ" ആയിട്ടില്ല. എന്നാൽ ഈ കോമ്പോ ആണ് താൽപ്പര്യം വർദ്ധിക്കാൻ കാരണം.

ഒരു സ്ലൈഡിനായി നിങ്ങൾക്ക് മോഷ്ടിക്കാൻ കഴിയുന്ന ഒരു ദ്രുത നിർവചനം 📌

മനുഷ്യ പരിതസ്ഥിതികളിലെ വിവിധ ജോലികൾ മനസ്സിലാക്കാനും, യുക്തിസഹമായി ചിന്തിക്കാനും, പ്രവർത്തിക്കാനും മനുഷ്യരൂപത്തിലുള്ള ഒരു റോബോട്ടിനെ നിയന്ത്രിക്കുന്ന ബുദ്ധിശക്തിയാണ് ഹ്യൂമനോയിഡ് റോബോട്ട് AI.

കൂട്ടം: ശരീരം, തലച്ചോറ്, പെരുമാറ്റം

മാനസീകമായി ഹ്യൂമനോയിഡുകളെ മൂന്ന് പാളികളായി വേർതിരിക്കുകയാണെങ്കിൽ, സിസ്റ്റത്തിന് നിഗൂഢത കുറയുന്നതായി അനുഭവപ്പെടും:

1. ബോഡി - ആക്യുവേറ്ററുകൾ, സന്ധികൾ, ബാറ്ററി, സെൻസറുകൾ. ബാലൻസ് + കൃത്രിമത്വം എന്നിവയ്‌ക്കായി മുഴുവൻ ശരീര നിയന്ത്രണവും, പലപ്പോഴും കംപ്ലയിന്റ് അല്ലെങ്കിൽ ടോർക്ക് നിയന്ത്രിത സന്ധികളോടൊപ്പം.

2. മസ്തിഷ്കം - ധാരണ + ആസൂത്രണം + നിയന്ത്രണം. ഏറ്റവും പുതിയ തരംഗം VLA : ക്യാമറ ഫ്രെയിമുകൾ + സ്വാഭാവിക ഭാഷാ ലക്ഷ്യങ്ങൾ → പ്രവർത്തനങ്ങൾ അല്ലെങ്കിൽ ഉപ-പദ്ധതികൾ (RT-2 ആണ് ടെംപ്ലേറ്റ്) [1].

3. പെരുമാറ്റം - പിക്ക്-സോർട്ട്, ലൈൻസൈഡ് ഡെലിവറി, ടോട്ട് ഹാൻഡ്‌ലിംഗ്, ഹ്യൂമൻ-റോബോട്ട് ഹാൻഡ്‌ഓഫുകൾ തുടങ്ങിയ കഴിവുകളിൽ നിന്ന് നിർമ്മിച്ച യഥാർത്ഥ വർക്ക്‌ഫ്ലോകൾ. പ്ലാറ്റ്‌ഫോമുകൾ ഇവയെ WMS/MES-ലേക്ക് പ്ലഗ് ചെയ്യുന്ന ഓർക്കസ്ട്രേഷൻ ലെയറുകളിൽ കൂടുതലായി പൊതിയുന്നു, അങ്ങനെ റോബോട്ട് ജോലിക്ക് അനുയോജ്യമാണ്, മറിച്ചല്ല [5].

ജോലിസ്ഥലത്ത് ഒരു പുതിയ ജോലി പഠിക്കുന്ന ഒരാളെപ്പോലെ ഇതിനെ സങ്കൽപ്പിക്കുക: കാണുക, മനസ്സിലാക്കുക, ആസൂത്രണം ചെയ്യുക, ചെയ്യുക - പിന്നീട് നാളെ അത് നന്നായി ചെയ്യുക.

ഹ്യൂമനോയിഡ് റോബോട്ട് AI ഇന്ന് എവിടെയാണ് പ്രത്യക്ഷപ്പെടുന്നത് 🏭📦

വിന്യാസങ്ങൾ ഇപ്പോഴും ലക്ഷ്യമിടുന്നു, പക്ഷേ അവ വെറും ലാബ് ഡെമോകൾ മാത്രമല്ല:

• വെയർഹൗസിംഗും ലോജിസ്റ്റിക്സും - ടോട്ട് ചലനം, പാലറ്റ്-ടു-കൺവെയർ ട്രാൻസ്ഫറുകൾ, ആവർത്തിച്ചുള്ളതും എന്നാൽ വേരിയബിൾ ആയതുമായ ബഫർ ജോലികൾ; പൈലറ്റുകളിലേക്കും WMS-മായി സംയോജിപ്പിക്കുന്നതിനുമുള്ള വേഗതയേറിയ പാതയായി വെണ്ടർമാർ ക്ലൗഡ് ഓർക്കസ്ട്രേഷനെ സ്ഥാപിക്കുന്നു [5].

• ഓട്ടോമോട്ടീവ് നിർമ്മാണം - മെഴ്‌സിഡസ്-ബെൻസിൽ ആപ്‌ട്രോണിക്കിന്റെ അപ്പോളോയുമായി പൈലറ്റുമാർ പരിശോധനയും മെറ്റീരിയൽ കൈകാര്യം ചെയ്യലും നടത്തുന്നു; ആദ്യകാല ജോലികൾ ടെലിഓപ്പറേഷൻ വഴി ബൂട്ട്‌സ്‌ട്രാപ്പ് ചെയ്‌തു, തുടർന്ന് ശക്തമായ ഇടങ്ങളിൽ സ്വയംഭരണാധികാരത്തോടെ പ്രവർത്തിപ്പിച്ചു [4].

• നൂതനമായ ഗവേഷണ വികസനം - ബ്ലീഡിംഗ്-എഡ്ജ് മൊബിലിറ്റി/മാനിപ്പുലേഷൻ, കാലക്രമേണ ഉൽപ്പന്നങ്ങളിലേക്ക് (സുരക്ഷാ കേസുകളിലേക്കും) ഒഴുകിയെത്തുന്ന രീതികൾ രൂപപ്പെടുത്തുന്നത് തുടരുന്നു.

മിനി-കേസ് പാറ്റേൺ (യഥാർത്ഥ പൈലറ്റുമാരിൽ നിന്ന്): ഒരു ഇടുങ്ങിയ ലൈൻസൈഡ് ഡെലിവറി അല്ലെങ്കിൽ കമ്പോണന്റ് ഷട്ടിൽ ഉപയോഗിച്ച് ആരംഭിക്കുക; ഡാറ്റ ശേഖരിക്കാൻ ടെലിഓപ്പ്/അസിസ്റ്റഡ് ഡെമോകൾ ഉപയോഗിക്കുക; സഹകരണ സുരക്ഷാ എൻവലപ്പിനെതിരെ ശക്തികൾ/വേഗതകൾ സാധൂകരിക്കുക; തുടർന്ന് അടുത്തുള്ള സ്റ്റേഷനുകളിലേക്ക് പെരുമാറ്റം സാമാന്യവൽക്കരിക്കുക. ഇത് ആകർഷകമല്ല, പക്ഷേ ഇത് പ്രവർത്തിക്കുന്നു [2][4].

ഹ്യൂമനോയിഡ് റോബോട്ട് AI എങ്ങനെ പഠിക്കുന്നു, പ്രായോഗികമായി 🧩

പഠനം ഒരു കാര്യമല്ല:

• അനുകരണവും ടെലിഓപ്പറേഷനും - മനുഷ്യർ ജോലികൾ പ്രദർശിപ്പിക്കുന്നു (VR/കൈനസ്തെറ്റിക്/ടെലിയോപ്പ്), സ്വയംഭരണത്തിനായുള്ള സീഡ് ഡാറ്റാസെറ്റുകൾ സൃഷ്ടിക്കുന്നു. ശക്തമായ പെരുമാറ്റത്തെ ത്വരിതപ്പെടുത്തുന്നതിനാൽ നിരവധി പൈലറ്റുമാർ ടെലിയോപ്പ് സഹായത്തോടെയുള്ള പരിശീലനം പരസ്യമായി അംഗീകരിക്കുന്നു [4].

• ഡൊമെയ്ൻ റാൻഡമൈസേഷനും അഡാപ്റ്റേഷനും ഉപയോഗിച്ച് സിമുലേഷൻ ട്രാൻസ്ഫറിൽ പരിശീലനം ലഭിച്ച റൈൻഫോഴ്‌സ്‌മെന്റ് ലേണിംഗ് & സിം-ടു-റിയൽ

• ദർശനം-ഭാഷ-പ്രവർത്തന മാതൃകകൾ - RT-2-ശൈലി നയങ്ങൾ ക്യാമറ ഫ്രെയിമുകൾ + വാചക ലക്ഷ്യങ്ങൾ പ്രവർത്തനങ്ങളിലേക്ക് മാപ്പ് ചെയ്യുന്നു, വെബ് അറിവ് ഭൗതിക തീരുമാനങ്ങളെ അറിയിക്കാൻ അനുവദിക്കുന്നു [1].

ലളിതമായ ഇംഗ്ലീഷിൽ: അത് കാണിക്കുക, അതിനെ അനുകരിക്കുക, അതിനോട് സംസാരിക്കുക - തുടർന്ന് ആവർത്തിക്കുക.

സുരക്ഷയും വിശ്വാസവും: ആകർഷകമല്ലാത്ത അവശ്യവസ്തുക്കൾ 🛟

ഇന്നത്തെ ആവേശത്തിന് വളരെ മുമ്പുതന്നെ ആളുകൾക്ക് സമീപം പ്രവർത്തിക്കുന്ന റോബോട്ടുകൾക്ക് സുരക്ഷാ പ്രതീക്ഷകൾ ലഭിച്ചു. അറിഞ്ഞിരിക്കേണ്ട രണ്ട് നങ്കൂരങ്ങൾ:

• ISO/TS 15066 - പരസ്പര പ്രവർത്തന തരങ്ങൾ (വേഗത-വേർതിരിവ് നിരീക്ഷണം, ശക്തി-ബല പരിധി), മനുഷ്യശരീര സമ്പർക്ക പരിധികൾ എന്നിവയുൾപ്പെടെയുള്ള സഹകരണ ആപ്ലിക്കേഷനുകൾക്കുള്ള മാർഗ്ഗനിർദ്ദേശം [2].

• NIST AI റിസ്ക് മാനേജ്മെന്റ് ഫ്രെയിംവർക്ക് - റോബോട്ടിന്റെ തീരുമാനങ്ങൾ പഠിച്ച മോഡലുകളിൽ നിന്ന് വരുമ്പോൾ ഡാറ്റ, മോഡൽ അപ്‌ഡേറ്റുകൾ, ഫീൽഡ് ചെയ്ത പെരുമാറ്റങ്ങൾ എന്നിവയിൽ പ്രയോഗിക്കാൻ കഴിയുന്ന ഒരു ഗവേണൻസ് പ്ലേബുക്ക് (ഗവൺമെന്റ്, മാപ്പ്, മെഷർ, മാനേജ്മെന്റ്). [3].

TL;DR - മികച്ച ഡെമോകൾ അടിപൊളിയാണ്; സാധുതയുള്ള സുരക്ഷാ കേസുകളും ഭരണവും തണുത്തതാണ്.

താരതമ്യ പട്ടിക: ആര് എന്ത് നിർമ്മിക്കുന്നു, ആർക്കുവേണ്ടി 🧾

(അസമമായ അകലം മനഃപൂർവ്വം. അൽപ്പം മാനുഷികത, അൽപ്പം കുഴപ്പം.)

(അതെ, വിലനിർണ്ണയം അവ്യക്തമാണ്. ആദ്യകാല വിപണികളിലേക്ക് സ്വാഗതം.)

ഹ്യൂമനോയിഡ് റോബോട്ട് AI വിലയിരുത്തുമ്പോൾ എന്തൊക്കെ ശ്രദ്ധിക്കണം 🧭

• ഇന്നത്തെ ജോലിയും റോഡ്‌മാപ്പും തമ്മിൽ എന്ത് ബന്ധമാണുള്ളത് - ഈ പാദത്തിൽ നിങ്ങളുടെ മികച്ച രണ്ട് ജോലികളും ചെയ്യാൻ ഇതിന് കഴിയുമോ, വെറും രസകരമായ ഡെമോ ജോലിയല്ല.

• സുരക്ഷാ കേസ് - ISO സഹകരണ ആശയങ്ങൾ (വേഗത-വേഗത, ശക്തി-ബല പരിധികൾ) നിങ്ങളുടെ സെല്ലിലേക്ക് എങ്ങനെ മാപ്പ് ചെയ്യുന്നുവെന്ന് ചോദിക്കുക [2].

• ഇന്റഗ്രേഷൻ ബർഡൻ - ഇത് നിങ്ങളുടെ WMS/MES-നെയാണോ സംസാരിക്കുന്നത്, ആർക്കാണ് അപ്‌ടൈമും സെൽ ഡിസൈനും ഉള്ളത്; കോൺക്രീറ്റ് ഓർക്കസ്ട്രേഷൻ ടൂളിംഗും പങ്കാളി ഇന്റഗ്രേഷനുകളും നോക്കുക [5].

• ലേണിംഗ് ലൂപ്പ് - നിങ്ങളുടെ ഫ്ലീറ്റിലുടനീളം പുതിയ കഴിവുകൾ എങ്ങനെ പിടിച്ചെടുക്കുകയും സാധൂകരിക്കുകയും വ്യാപിപ്പിക്കുകയും ചെയ്യുന്നു.

• സർവീസ് മോഡൽ - പൈലറ്റ് നിബന്ധനകൾ, MTBF, സ്പെയറുകൾ, റിമോട്ട് ഡയഗ്നോസ്റ്റിക്സ്.

• ഡാറ്റ ഗവേണൻസ് - റെക്കോർഡിംഗുകൾ ആർക്കാണ് ഉള്ളത്, എഡ്ജ് കേസുകൾ ആരാണ് അവലോകനം ചെയ്യുന്നത്, ആർ‌എം‌എഫ്-വിന്യസിച്ച നിയന്ത്രണങ്ങൾ എങ്ങനെ പ്രയോഗിക്കുന്നു [3].

സാധാരണ കെട്ടുകഥകൾ, മാന്യമായി പൊളിച്ചെഴുതുക 🧵

• "ഹ്യൂമനോയിഡുകൾ റോബോട്ടുകൾക്ക് വെറും കോസ്‌പ്ലേ മാത്രമാണ്." ചിലപ്പോൾ ചക്രങ്ങളുള്ള ബോട്ട് വിജയിക്കും. എന്നാൽ പടികൾ, ഗോവണികൾ, അല്ലെങ്കിൽ കൈ ഉപകരണങ്ങൾ എന്നിവ ഉൾപ്പെടുമ്പോൾ, മനുഷ്യശരീരത്തിന്റെ രൂപകൽപ്പന ഒരു സവിശേഷതയാണ്, കഴിവല്ല.

• “എല്ലാം എൻഡ്-ടു-എൻഡ് AI ആണ്, നിയന്ത്രണ സിദ്ധാന്തമില്ല.” യഥാർത്ഥ സിസ്റ്റങ്ങൾ ക്ലാസിക്കൽ നിയന്ത്രണം, സംസ്ഥാന എസ്റ്റിമേഷൻ, ഒപ്റ്റിമൈസേഷൻ, പഠിച്ച നയങ്ങൾ എന്നിവ കൂട്ടിച്ചേർക്കുന്നു; ഇന്റർഫേസുകളാണ് മാജിക് [1].

• “ഡെമോയ്ക്ക് ശേഷം സുരക്ഷ സ്വയം പരിഹരിക്കപ്പെടും.” നേരെമറിച്ച്. ചുറ്റുമുള്ള ആളുകളുമായി പോലും നിങ്ങൾക്ക് പരീക്ഷിക്കാൻ കഴിയുന്ന കാര്യങ്ങൾ സുരക്ഷാ കവാടങ്ങളാണ്. മാനദണ്ഡങ്ങൾ ഒരു കാരണത്താൽ നിലവിലുണ്ട് [2].

അതിർത്തിയിലൂടെ ഒരു ചെറിയ യാത്ര 🚀

• ഹാർഡ്‌വെയർ -ഒതുക്കമുള്ള, ഉപകരണത്തിൽ തന്നെയുള്ള വകഭേദങ്ങളിൽ VLA-കൾ ഉയർന്നുവരുന്നു, അതിനാൽ റോബോട്ടുകൾക്ക് കുറഞ്ഞ ലേറ്റൻസിയിൽ പ്രാദേശികമായി പ്രവർത്തിക്കാൻ കഴിയും, അതേസമയം ഹെവിയർ മോഡലുകൾ ആവശ്യമുള്ളിടത്ത് ഹൈബ്രിഡ്/ക്ലൗഡിൽ തുടരും [1].

• വ്യവസായ പൈലറ്റുമാർ - ലാബുകൾക്ക് അപ്പുറം, ആദ്യ ദിവസത്തെ ഉപയോഗം ത്വരിതപ്പെടുത്തുന്നതിന് ടെലി-അസിസ്റ്റഡ് പരിശീലനത്തിലൂടെ ഹ്യൂമനോയിഡുകൾ ആദ്യം ലിവറേജ് സൃഷ്ടിക്കുന്നത് എവിടെയാണെന്ന് (മെറ്റീരിയൽ കൈകാര്യം ചെയ്യൽ, പരിശോധന) വാഹന നിർമ്മാതാക്കൾ അന്വേഷിക്കുന്നു [4].

• എംബോഡിഡ് ബെഞ്ച്മാർക്കുകൾ - അക്കാദമിയയിലും വ്യവസായത്തിലുമുള്ള സ്റ്റാൻഡേർഡ് ടാസ്‌ക് സ്യൂട്ടുകൾ ടീമുകളിലും പ്ലാറ്റ്‌ഫോമുകളിലും പുരോഗതി വിവർത്തനം ചെയ്യാൻ സഹായിക്കുന്നു [1].

അത് ജാഗ്രതയോടെയുള്ള ശുഭാപ്തിവിശ്വാസം പോലെ തോന്നുന്നുണ്ടെങ്കിൽ പോലും - അങ്ങനെ തന്നെ. പുരോഗതി മന്ദഗതിയിലാണ്. അത് സാധാരണമാണ്.

റോഡ്മാപ്പുകളിൽ "ഹ്യൂമനോയിഡ് റോബോട്ട് AI" എന്ന വാചകം എന്തിനാണ് കാണുന്നത് 🌍

ഇത് ഒരു ഒത്തുചേരലിനുള്ള ഒരു വൃത്തിയുള്ള ലേബലാണ്: മനുഷ്യ ഇടങ്ങളിലെ പൊതു ആവശ്യങ്ങൾക്കുള്ള റോബോട്ടുകൾ, "സ്റ്റേഷൻ 3-ൽ നീല ബിൻ ഇടുക, തുടർന്ന് ടോർക്ക് റെഞ്ച് എടുക്കുക" പോലുള്ള നിർദ്ദേശങ്ങൾ സ്വീകരിക്കാൻ കഴിയുന്ന മോഡലുകളാൽ പ്രവർത്തിക്കുന്നവ. ആളുകൾക്ക് അനുയോജ്യമായ ഹാർഡ്‌വെയർ VLA-ശൈലിയിലുള്ള യുക്തിയും സഹകരണ-സുരക്ഷാ രീതികളും സംയോജിപ്പിക്കുമ്പോൾ, ഉൽപ്പന്ന ഉപരിതല വിസ്തീർണ്ണം വികസിക്കുന്നു [1][2][5].

അന്തിമ പരാമർശങ്ങൾ - അല്ലെങ്കിൽ കാറ്റ് വളരെ ദൈർഘ്യമേറിയതാണ്, വായിച്ചില്ല 😅

• ഹ്യൂമനോയിഡ് റോബോട്ട് AI = വൈവിധ്യമാർന്ന ജോലികൾ മനസ്സിലാക്കാനും ആസൂത്രണം ചെയ്യാനും പ്രവർത്തിക്കാനും കഴിയുന്ന മൂർത്തമായ ബുദ്ധിശക്തിയുള്ള മനുഷ്യരൂപത്തിലുള്ള യന്ത്രങ്ങൾ.

• ഭാഷയിൽ നിന്നും ചിത്രങ്ങളിൽ നിന്നും ശാരീരിക പ്രവർത്തനങ്ങളിലേക്ക് [1] സാമാന്യവൽക്കരിക്കാൻ റോബോട്ടുകളെ സഹായിക്കുന്ന RT-2 പോലുള്ള VLA നിന്നാണ് ആധുനിക ഉത്തേജനം ലഭിക്കുന്നത്

• വെയർഹൗസിംഗിലും നിർമ്മാണത്തിലും ഉപയോഗപ്രദമായ വിന്യാസങ്ങൾ ഉയർന്നുവരുന്നു, സുരക്ഷാ ചട്ടക്കൂടുകളും ഇന്റഗ്രേഷൻ ടൂളിംഗും വിജയകരമായി നിർമ്മിക്കുകയോ തകർക്കുകയോ ചെയ്യുന്നു [2][4][5].

അതൊരു നല്ല കാര്യമല്ല. പക്ഷേ, നിങ്ങൾ ആദ്യം ശരിയായ ജോലി തിരഞ്ഞെടുക്കുകയും, സെൽ നന്നായി രൂപകൽപ്പന ചെയ്യുകയും, പഠന ലൂപ്പ് മുഴക്കിക്കൊണ്ടേയിരിക്കുകയും ചെയ്താൽ, നിങ്ങൾ വിചാരിക്കുന്നതിലും വേഗത്തിൽ യൂട്ടിലിറ്റി ദൃശ്യമാകും.

ഹ്യൂമനോയിഡ് റോബോട്ട് AI മാന്ത്രികമല്ല. അത് പ്ലംബിംഗ്, പ്ലാനിംഗ്, പോളിഷ് എന്നിവയാണ് - നിങ്ങൾ വ്യക്തമായി ഹാർഡ്-കോഡ് ചെയ്യാത്ത ഒരു ജോലി ഒരു റോബോട്ട് ചെയ്യുമ്പോൾ കുറച്ച് നിമിഷങ്ങൾ ആനന്ദം പകരുന്നു. ഇടയ്ക്കിടെ എല്ലാവരെയും ശ്വാസം മുട്ടിക്കുകയും പിന്നീട് കയ്യടിക്കുകയും ചെയ്യുന്ന ഒരു വിചിത്രമായ സേവ്. അതാണ് പുരോഗതി. 🤝🤖

അവലംബം

1. ഗൂഗിൾ ഡീപ് മൈൻഡ് - ആർടി-2 (വിഎൽഎ മോഡൽ) : കൂടുതൽ വായിക്കുക

2. ISO - സഹകരണ റോബോട്ട് സുരക്ഷ : കൂടുതല് വായിക്കുക

3. NIST - AI റിസ്ക് മാനേജ്മെന്റ് ഫ്രെയിംവർക്ക് : കൂടുതല് വായിക്കുക

4. റോയിട്ടേഴ്‌സ് - മെഴ്‌സിഡസ്-ബെൻസ് × ആപ്‌ട്രോണിക്ക് പൈലറ്റുമാർ : കൂടുതൽ വായിക്കുക

5. അജിലിറ്റി റോബോട്ടിക്സ് - ഓർക്കസ്ട്രേഷനും സംയോജനവും : കൂടുതല് വായിക്കുക

ഔദ്യോഗിക AI അസിസ്റ്റന്റ് സ്റ്റോറിൽ ഏറ്റവും പുതിയ AI കണ്ടെത്തുക

ഞങ്ങളേക്കുറിച്ച്